# KAN-AD Kolmogorov-Arnold Networks(KAN)を用いた時系列異常検知手法。[[Quan Zhou]]・[[Changhua Pei]] ら CNIC/CAS グループが ICML 2025(Forty-second International Conference on Machine Learning)で発表した先行研究であり、フーリエ級数の係数を学習することで時系列の周期性を効率的に捉える設計を持つ。(Source: [[@2026__KDD__TSLoc - Self-Supervised Faulty Node Localization Framework in Large-scale Training Clusters]] の参照 [36]) TSLoc 論文([[@2026__KDD__TSLoc - Self-Supervised Faulty Node Localization Framework in Large-scale Training Clusters]]、KDD 2026)では、共有 Mixture-of-Experts(MoE)時系列エンコーダの各エキスパートネットワーク E_k のバックボーンとして KAN-AD を採用している。フーリエ級数係数の学習により GPU 訓練ループに内在するスペクトル周期性の捕捉に効率的であるとされ、各エキスパートが異なる時間的プリミティブに特化する設計の基盤となっている。(Source: [[@2026__KDD__TSLoc - Self-Supervised Faulty Node Localization Framework in Large-scale Training Clusters]]) > [!note] 独立した source ページは未作成 > KAN-AD の原論文(ICML 2025)自体はまだ本 wiki の `.raw/` に取り込まれていない。本ページは TSLoc 論文からの参照情報のみに基づく seed ページであり、KAN-AD 自体の詳細な手法・実験結果は原論文の ingest を待つ。 ## 関連 - ソース: [[@2026__KDD__TSLoc - Self-Supervised Faulty Node Localization Framework in Large-scale Training Clusters]] - 考案者: [[Quan Zhou]] / [[Changhua Pei]] - 概念: [[異常検知]] / [[時系列基盤モデル]]